论文部分内容阅读
图像匹配是一项十分重要的技术，在模式识别等多个领域有着广泛的运用。随着科技的迅猛发展，很多运用场合不仅对图像匹配的精度有要求，还对图像匹配算法的实时性要求很高。因此，在保证图像匹配精度的前提下，如何最大程度的减少图像匹配的时间是一个很有意义的研究方向。基于图像灰度的匹配算法是本论文的主要研究方向，从以下三个方面开展研究和设计工作：首先，对目前应用较多的图像匹配相似性度量函数和搜索策略进行研究，分析各自的优缺点，用Visual C++编程语言完成了其中的几种图像匹配算法设计并进行图像匹配测试。本文设计的基于小波变换的图像匹配算法，粗匹配和精匹配的相似性度量函数分别为Adaptive SSDA和NCC，采用金字塔搜索策略。使用Visual C++编程语言完成基于小波变换的图像匹配算法设计，并在不同条件下对本次设计的算法进行匹配性能测试。其次，设计并实现基于NCC的图像匹配的硬件计算结构。在Modelsim和ISE10.1的工作平台上使用Verilog硬件描述语言完成硬件计算结构的设计工作，并对设计的结构进行功能仿真和逻辑综合等工作，最后在Xilinx Virtex-2XC2VP30FPGA开发板上进行调试。最后，提出基于小波变换的图像匹配的硬件结构，使用GPU实现小波变换，粗匹配和精匹配的相似性度量函数都采用NCC，并设计适用于金字塔搜索策略的NCC的并行计算结构。使用Verilog硬件描述语言完成适用于金字塔搜索策略的NCC结构设计，在Modelsim和ISE10.1平台上完成功能仿真、逻辑综合等工作，最后在Xilinx公司的Virtex-2XC2VP30FPGA开发板上进行板级调试。通过比较图像匹配测试数据可以看出，基于小波变换的图像匹配算法的匹配性能（匹配精度、匹配时间）要比其他几种参考匹配算法好。为了更好的满足运用场合对图像匹配算法实时性的要求，本文提出了两种匹配算法的硬件结构，通过Modelsim功能仿真结果和ISE10.1的综合报告可以看出，两种结构在匹配性能有了进一步的提升。在模板图像尺寸为32*32，待匹配图像尺寸为256*256的情况下，基于NCC图像匹配硬件架构耗费13.1ms就能完成正确的匹配，基于小波变换的图像匹配硬件架构，在进行一次小波变换的情况下，耗费6.8ms完成正确的匹配。